// 多引擎 AI 创作工具链。TTS 语音合成（edge-tts / Qwen3-TTS）、ASR 语音识别与卡拉OK字幕、ComfyUI 图片生成（ERNIE/Qwen/Z-Image + PromptKG 知识图谱）、视频剪辑（Cut）。使用场景：(1) 文本转语音播放，(2) 音频转录生成 SRT/ASS 字幕，(3) AI 图片生成与风格探索，(4) Prompt 知识图谱查询与模板发现，(5) 字幕级视频剪辑。触发词：语音、TTS、ASR、字幕、图片生成、prompt、知识图谱、KG、视频剪辑、cut
| name | opc |
| description | 多引擎 AI 创作工具链。TTS 语音合成（edge-tts / Qwen3-TTS）、ASR 语音识别与卡拉OK字幕、ComfyUI 图片生成（ERNIE/Qwen/Z-Image + PromptKG 知识图谱）、视频剪辑（Cut）。使用场景：(1) 文本转语音播放，(2) 音频转录生成 SRT/ASS 字幕，(3) AI 图片生成与风格探索，(4) Prompt 知识图谱查询与模板发现，(5) 字幕级视频剪辑。触发词：语音、TTS、ASR、字幕、图片生成、prompt、知识图谱、KG、视频剪辑、cut |
TTS + ASR + AI 图片生成 + 视频剪辑。
curl -LsSf https://astral.sh/uv/install.sh | sh
cd ~/.claude/skills/opc-cli && uv sync
跨平台：Linux 用 CUDA，macOS 用 MLX，命令一致。
模型下载源：
opc config --set-model-source modelscope # 默认
opc config --set-model-source huggingface # 备选
opc config --set-model-cache-dir ~/models
opc discover --set-default # 发现播放设备
opc tts "你好" -e edge-tts # 生成语音
opc say "你好" # 生成并播放
opc asr audio.mp3 --format srt # 生成字幕
opc image -w ernie-turbo -p "a cat" # AI 生图
opc image kg skeleton subject:food style:photography # KG prompt 规划
所有命令通过 uv run --project ~/.claude/skills/opc-cli python -m scripts.opc 执行。opc 是上述命令的简写别名。
opc tts <text> — 生成语音文件opc tts "你好" -e edge-tts # edge-tts
opc tts "你好" -e edge-tts --rate +20% --pitch +5Hz # 带语速/音调
opc tts "你好" -e qwen --speaker Vivian # qwen 内置音色
opc tts "你好" -e qwen --instruct "用愤怒的语气说" # 情绪指令
opc tts "你好" -e qwen --mode voice_design --instruct "温柔的女声" # 声音设计
opc tts "你好" -e qwen --mode voice_clone --ref-audio ref.wav --ref-text "参考" # 克隆
参数： -e 引擎(edge-tts|qwen)、-v 音色、-l 语言、-o 输出路径、--stdin 从 stdin 读
edge-tts： --rate、--pitch、--volume
qwen： -m 模式(custom_voice|voice_design|voice_clone)、-s 音色、-i 情绪指令、--ref-audio、--ref-text
opc say <text> — 生成并播放参数同 tts，额外 -d 指定播放设备。
opc voices / opc discoveropc voices -e edge-tts # 322 个音色
opc voices -e qwen # 9 个内置音色
opc discover --set-default
4 阶段 Pipeline：ASR + Forced Alignment → Sentence Breaking → CSV Fix → Render
opc asr audio.mp3 # 转录到 stdout
opc asr audio.mp3 --format srt # 生成 SRT + ASS
opc asr audio.mp3 --format json -o result.json
opc asr audio.mp3 --format srt --fix-dir ./fixes # CSV 修正
opc asr audio.mp3 --format srt --resume-from break # 从断句阶段恢复
参数： --format(text|json|srt|ass)、--language、--model-size(1.7B|0.6B)、--style、--fix-dir、--resume-from(asr|break|fix|render)
两遍扫描：Pass 1 按句号分段，Pass 2 按逗号断行。没有标点绝对不断行。 超长行由 Check 标记，用 opc asr-split 手动拆分：
opc asr-split audio.lines.json --line 10 --after "理解，"
opc asr audio.mp3 --format srt --resume-from render
在 --fix-dir 放 fix_1.csv, fix_2.csv...，格式：原文本，新文本（新文本留空=删除行）。# 开头为注释。
AI 图片生成 + Prompt 知识图谱 + 模板系统。详见 references/image.md。
核心流程：
opc image kg skeleton subject:food style:photography # KG 规划
opc image -w ernie-full -p "..." # 生成
opc image analyze output.png --describe # 分析
基于 ASR 字词级时间戳的视频剪辑。详见 references/cut.md。
opc cut --video video.mp4 # 启动剪辑 Web 界面
技能管理面板。详见 references/dashboard.md。
配置文件：~/.opc_cli/opc/config.json
| 键 | 默认值 | 说明 |
|---|---|---|
tts_engine | edge-tts | 默认 TTS 引擎 |
edge_voice | zh-CN-XiaoxiaoNeural | edge-tts 音色 |
qwen_speaker | Vivian | qwen 音色 |
default_device | 播放设备 | |
asr_model_size | 1.7B | ASR 模型 |
workspace_dir | ~/opc-workspace | 工作目录 |
comfyui_host | 127.0.0.1 | ComfyUI 地址 |
comfyui_port | 8188 | ComfyUI 端口 |
dashboard_host | 0.0.0.0 | Dashboard 监听地址 |
dashboard_port | 12080 | Dashboard 端口 |
model_source | modelscope | 模型下载源 |
opc config --show
opc config --set-engine qwen
opc config --set-comfyui-host 192.168.1.100